Comment sont calculées les valeurs

Pour chaque diplômé, on descend cette échelle et on s’arrête au premier échelon qui tient. Le badge à côté de la valeur te dit lequel c’était, sur toutes les cartes : ici, un chiffre sans sa provenance n’est pas publié.

C’est un ensemble d’arbres de décision à gradient boosté — quelques centaines de petits arbres, chacun corrigeant les erreurs du précédent. Ce n’est pas un réseau de neurones, ça ne lit aucun texte, et ça n’a pas d’avis. On ne lui a jamais montré qu’une seule chose : des montants de transfert réellement payés et publiquement annoncés, extraits des pages de mercato de Wikipédia, avec le club acheteur, la date, et la fiche du joueur.

Les anciens montants sont d’abord ramenés en monnaie d’aujourd’hui. La correction n’est pas un indice économique trouvé ailleurs : elle sort de notre propre table de transferts — le montant médian annoncé par fenêtre de douze mois, lissé, la fenêtre la plus récente valant 1. L’inflation du foot mesurée avec des transferts de foot.

Le modèle prédit le logarithme du montant, pas le montant, donc il est jugé sur l’erreur relative : se tromper de 4 M€ sur un joueur à 10 M€ est une faute de même taille que se tromper de 40 M€ sur un joueur à 100 M€. Le résultat est ensuite borné entre 0,5 M€ et 222 M€, le record absolu du marché — un garde-fou, pas un jugement. Une seule constante éditoriale se pose au bout : un multiplicateur de niveau de marché, aujourd’hui à 1, qui existe pour pouvoir recaler l’ensemble de la production sur des agrégats de presse publiés en cas de dérive. À 1, il ne fait strictement rien.

Voici la liste complète. Aucun rapport de recruteur là-dedans, aucun ajustement caché, aucune case où quelqu’un tape le chiffre qui l’arrange. Si un fait sur un joueur n’est pas dans cette liste, il n’a pas bougé sa valeur.

Il ne sait pas évaluer un joueur que personne n’a vendu. Les arbres de décision n’extrapolent pas. Le plus gros montant de leurs données d’entraînement est le plus gros chiffre qu’ils sauront produire, pour qui que ce soit, à jamais. Le nôtre est de 146,3 M€, et seuls 9 transferts annoncés dans tout le corpus dépassent 80 M€. Résultat : les tout meilleurs — ceux que leur club ne vendrait pour rien au monde, et qui ne produisent donc aucun montant dont apprendre — ressortent systématiquement trop bas. Ce n’est pas un bug qu’on va corriger la semaine prochaine : c’est ce qu’est un estimateur entraîné sur des transferts. C’est aussi toute la raison d’être de l’échelon 1 : quand la presse rapporte une offre refusée ou une clause libératoire, on prend ça à la place et on te montre l’article.

Il se trompe souvent, et on publie de combien. À chaque exécution, on l’entraîne sur les transferts les plus anciens, puis on lui fait prédire les 120 derniers jours de transferts réels qu’il n’a jamais vus — 50 au total. L’écart moyen est de 18,4 M€ et l’écart médian de 10,2 M€, la différence entre les deux étant la poignée de gros transferts qu’il rate franchement. Traite chaque EST du site comme un chiffre avec cette marge d’air autour.

Sa vision du marché est anglophone. Les montants viennent des pages « List of English football transfers » de Wikipédia, parce que ce sont celles qui portent des montants lisibles par une machine. Un transfert entre deux clubs de Serie A, ou entre deux clubs brésiliens, lui est largement invisible — il a donc appris ce que paie la Premier League bien mieux que ce que paient les autres.

Il lit la fiche d’aujourd’hui sur un transfert d’hier. Matchs, buts, titres et audience sont des totaux actuels, utilisés aussi pour un transfert vieux de trois ans — aucun historique de ces chiffres n’existe en données ouvertes. La force du club, pareil : c’est la table Elo d’aujourd’hui, pas celle du jour de la signature. Les deux rendent le modèle un peu trop malin sur le passé, et on préfère le dire que l’enterrer.

Il n’a jamais vu un montant non annoncé. Les transferts à montant non divulgué, les bonus, les pourcentages à la revente et les échanges sont hors de son monde. Ce qu’il produit est l’estimation d’un montant qui ferait la une, pas de la comptabilité d’un club.

Quand on se plante lourdement et que le joueur bouge ensuite, l’erreur part au registre avec le vrai montant à côté. Le journal de bord garde les mauvais coups aussi soigneusement que les bons — il est pour l’instant en anglais seulement.

Le pipeline de valorisation, c’est du Python, du SQL et scikit-learn. Aucun modèle de langage dedans, aucun appel d’API vers l’un d’eux, et aucun endroit où du texte libre devient un montant en euros. Lance-le deux fois sur le même relevé et tu obtiens les mêmes chiffres au centime : les données d’entraînement sont figées par la date du relevé, l’algorithme est déterministe, et le seul élément aléatoire — la graine avec laquelle les arbres sont construits — est fixée en dur dans le code. L’estimation d’une carte est une fonction pure des données publiées.

Un modèle de langage apparaît bien dans ce projet, une fois, dans un rôle qui n’a le droit d’écrire nulle part : celui d’auditeur. Il lit une valeur publiée, cherche sur le web, et rapporte si un média nommé a publié un FAIT pertinent — une offre, une clause, un communiqué, un montant. Il renvoie des signalements et des liens. Il lui est explicitement interdit de fournir une valorisation de son cru, et si le seul chiffre qu’il trouve remonte à un site de valorisation, la réponse attendue est « aucun fait trouvé » et notre chiffre ne bouge pas. Tout ce qu’il signale est relu par un humain, qui écrit l’ancrage à la main avec le lien source et une date d’expiration — ou qui ne l’écrit pas.

Un modèle de langage qui « se souvient » de la valeur marchande d’un joueur récite un agrégateur vu à l’entraînement. C’est exactement pour ça qu’on ne le lui demande jamais. Aucune valeur Transfermarkt ni d’aucune autre base de valorisation n’est aspirée, stockée, citée ou blanchie où que ce soit dans ce projet : tout le jeu de données est construit sur Wikidata (CC0), Wikipédia (CC BY-SA), ClubElo et des articles de presse nommés.

Tu n’es pas obligé de nous croire sur parole — le code est public : le modèle, l’échelle de valorisation, chaque ancrage avec sa source et les règles de l’auditeur.

Ouvre un ticket. Dis-nous quel joueur et ce qui cloche, et si tu l’as, joins ce qui tranche : le lien d’un article rapportant une offre, une clause, un transfert bouclé ou une déclaration de club, avec sa date. C’est là-dessus qu’on peut agir — un fait publié devient un ancrage au prochain rafraîchissement, et la carte se met à afficher ta source.

Ce sur quoi on ne peut pas agir, c’est un chiffre venu d’un site de valorisation, aussi sûr de lui soit-il. Ce n’est pas un fait de marché, et ce n’est pas quelque chose qu’on a le droit de citer. « Il vaut évidemment plus que ça » est bienvenu aussi, cela dit — c’est souvent vrai, et si c’est vrai pour plusieurs joueurs à la fois, c’est un problème de modèle et non de donnée, ce qui nous sert bien plus qu’une correction isolée.

Ouvrir un ticket · les corrections partent au prochain rafraîchissement, chacune consignée dans un fichier public avec sa raison. Mauvais poste, diplômé oublié, éligibilité contestable : même adresse — les règles s’en occupent.